-
题名Proximal SVM在脑功能分类中的应用研究
- 1
-
-
作者
谢松云
程西娜
丁艳
-
机构
西北工业大学电子信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第11期209-211,共3页
-
基金
2007年西北工业大学基础研究基金(No.W018102)。
-
文摘
为了研究PSVM分类器用于脑功能识别的有效性与优越性,对脑功能识别做出了深入的研究和分析。采用三名受试者在睁眼和闭眼状态下的脑电实测数据,从不同角度深入分析和比较了PSVM分类器与标准SVM分类器的性能,主要衡量指标为识别率和训练时间。结果PSVM分类器优于标准SVM分类器之处在于,在保证识别率的同时,计算速度有了显著地提高。并且随着样本维数的增加,PSVM分类器的计算速度并没有下降。PSVM用于脑电信号功能识别是高效率的,这对今后的有实时要求的脑功能分类识别问题具有重要意义。
-
关键词
近邻支持向量机
脑功能
训练时间
正识率
-
Keywords
proximal support vector machine
brain function
training time
correct recognition ratio
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于形状特征的植物叶片在线识别方法
被引量:14
- 2
-
-
作者
李洋
李岳阳
罗海驰
蒋高明
丛洪莲
-
机构
江南大学轻工过程先进控制教育部重点实验室
江南大学经编技术教育部工程研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第2期162-165,171,共5页
-
基金
中央高校基本科研业务费专项基金项目(No.JUSRP51404A
No.JUSRP211A38)
-
文摘
针对传统植物识别方法工作任务量大,效率低下以及难以保证数据客观性的问题,提出了一种基于形状特征的植物叶片识别算法,并开发了一款C/S模式的植物叶片在线识别Android应用。叶片图像经预处理后,提取叶片的轮廓凸包顶点比、轮廓曲率方差等形状特征,采用KNN-SVM对叶片进行分类识别。实验结果表明,相比于一些已有识别算法,该算法可以达到更高的识别率;该Android应用稳定可靠,可以满足用户的需求。
-
关键词
叶片识别
形状特征
ANDROID
K近邻算法-支持向量机(KNN-SVM)
-
Keywords
plant recognition
shape features
Android
K-Nearest Neighbor-Support Vector Machine(KNN-SVM)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-